姓名
private_person 姓名與個人識別資訊。
線上隱私過濾器
在瀏覽器中偵測姓名、電子郵件、電話、地址、帳號、日期、URL 與金鑰，一鍵產生去識別化文字——一款完全在本機執行的隱私移除工具，不上傳。
尚未載入模型
首次執行會從 Hugging Face 下載模型檔案，建議使用支援 WebGPU 的 Chrome 或 Edge。輸入文字
偵測結果
0原文標註
等待偵測。
去識別化文字
等待偵測。
圖片輸入
本機 OCR 直接辨識圖片中的隱私資訊。
結果
0選擇 demo 圖片或上傳自己的圖片。
OCR 偵錯
100% 本機 推論完全在瀏覽器內執行，文字不會上傳。
開放模型 使用公開的 openai/privacy-filter 權重，可審視可重用。
WebGPU + WASM 支援時自動採用 GPU 加速，否則回退至 WebAssembly。
永久免費 無須註冊、沒有額度限制、不收集任何使用資料。
Privacy Filter 運作原理
- 在瀏覽器中載入模型
openai/privacy-filter 權重首次會從 Hugging Face 下載，並由瀏覽器快取以利後續使用。
- 本機完成 Token 分類
Transformers.js 優先以 WebGPU 進行推論，不支援時自動回退至 WebAssembly。
- 檢視並複製
檢視標註的實體、複製去識別化文字，或貼上新內容——所有資料始終留在你的裝置上。
支援的實體類型
模型在 token 粒度上以 BIOES 標籤輸出 8 類隱私片段。
電子郵件
private_email 個人電子郵件地址。
電話號碼
private_phone 個人電話號碼。
地址
private_address 居住或郵寄地址。
帳號
account_number 金融或服務類帳號識別碼。
日期
private_date 如生日等涉及個人的日期。
URL
private_url 個人網址或連結。
Secret
secret 憑證、權杖、API 金鑰等敏感資訊。
應用情境
在貼到 ChatGPT、Claude、Gemini 等大型模型之前，先做一次隱私清理，快速移除文字中的個人資料。
從客服工單、錯誤日誌、Bug 報告中移除客戶敏感資訊後再共享。
在傳送截圖或文字片段前，先將姓名、地址、帳號等內容遮蔽。
排查文件、README 或聊天訊息中誤貼的 API 金鑰與權杖。
常見問題
我的文字會被上傳到伺服器嗎？ +
不會。推論透過 Transformers.js 完全在瀏覽器中完成，除了從 Hugging Face 下載模型檔案外，你的文字不會離開本機。
可以辨識哪些個人資料？ +
姓名、電子郵件、電話、地址、帳號、日期、URL，以及 API 金鑰、權杖等 secret。
支援哪些瀏覽器？ +
建議使用支援 WebGPU 的 Chrome 或 Edge 以獲得最佳效能。其他現代瀏覽器會自動回退至 WebAssembly。
為什麼第一次偵測較慢？ +
首次執行需要從 Hugging Face 下載 openai/privacy-filter 模型檔案。後續造訪會從瀏覽器快取讀取，速度明顯更快。
Privacy Filter 是免費的嗎？ +
是的。頁面完全免費使用，所使用的 openai/privacy-filter 模型也以開放權重形式發佈於 Hugging Face。
可以取代正規表達式的去識別化嗎？ +
對於自然語言文字，基於上下文的模型能辨識正規表達式難以匹配的多語言姓名與自由格式地址；兩者搭配可獲得最佳覆蓋率。